作为人类社会中最常用的信息载体,图像中往往存在大量信息。人类的视觉感知机制可以在复杂图像中快速定位出最吸引注意的内容。研究人员希望计算机可以模拟人类的视觉注意力,具备自动定位场景中显著性内容的能力,于是便提出了显著性目标检测这一任务。该任务旨在从输入图像中自动识别并获取最具吸引力的区域。作为一种基本和有效的预处理方法,它不仅可以帮助降低场景分析的复杂度,还广泛应用于图像和视频压缩、语义分割、视觉跟踪等领域,具有较高的实用价值。随着深度卷积神经网络的发展和众多显著性目标检测数据集的出现,该领域的研究取得了重大进展。但在面对较为复杂的场景时,多数显著性方法仍然无法准确地识别出显著目标,通常表现为预测结果中存在部分置信度较低的像素级难样本。针对上述问题,本文围绕难样本挖掘和特征融合来进行显著性目标检测的研究。本文的主要工作如下:第一,复杂场景下显著性检测效果不佳是由于目前大多数方法缺少对图像中像素级难样本的关注,从而导致网络模型很难在对应位置提取出具有足够判别性的特征。针对该问题,提出了一种基于弱特征增强的渐进式显著性目标检测方法,尝试通过增强难样本对应的特征来提高检测效果。该方法提取图像中难以预测的区域（低置信度区域）,并通过精心设计的弱特征增强模块针对性地增强这些区域的特征。从一个粗糙的显著图开始,根据增强后的特征逐步细化显著图,完善显著性区域,从而得到更准确的显著图。在五个基准数据集上的评估结果表明,使用该方法预测得到的显著图更加完整且准确,相比于现有的先进方法具有一定优势。第二,针对显著目标尺度变化剧烈的问题,通过将动态路由机制引入显著性目标检测任务,提出了动态尺度感知策略,其中包括特征内和特征间的动态融合方法,实现针对不同尺度的显著目标学习自适应的路由方式。其次,提出了针对难样本问题的采样优化策略。该方法在粗糙显著图的指导下,生成不同类别的概率图,通过随机采样的方式选取不同类别的像素,并引入图注意力机制来构建适当的图表示,最终实现对难样本的针对性语义信息传递和特征聚合。在上述数据集上的实验结果表明,该方法可以更好地应对尺度变化和难样本问题,在定量和定性方面都表现出优异的性能。